Available online at : http://bit.ly/InfoTekJar
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan
ISSN (Print) 2540-7597 | ISSN (Online) 2540-7600
Sistem Pendukung Keputusan
Sistem Pendukung Keputusan Rekomendasi Pencari Kerja Menggunakan TOPSIS (Studi Kasus : PT PLN Wilayah Riau dan Kepulauan Riau)
Sukamto, Yanti Andriyani, Chairia Oktoviani
Sistem Informasi, Ilmu Komputer, FMIPA Universitas Riau, Pekanbaru, Indonesia, 28293
KEYWORDS A B S T R A C T
Decision Support System, Potential Employee,
PLN, TOPSIS PT. PLN (Persero) in serving society requires quality human resources. Quality of employees in supporting the advancement of a company is very important, so that many companies are working to have quality qualified employees. One way to overcome these problems is by capturing prospective employees in accordance with the criteria desired by the company, it's just that many companies are often problematic in the process of filing and sorting because it is done manually, the result becomes not in accordance with the desired criteria of a prospective employee company. So it takes a decision support system (SPK) with the method of Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) for selection of employees who have several criteria such as the Endurance Test, Academic Test, Psych Test, Lab Test, And Interviews. Results can be concluded that the DSS employee acceptance using TOPSIS method produced a system that could provide the best applicant's recommendations in accordance with the criteria specified.
ABSTRAK
PT. PLN (Persero) dalam melayani masyarakat membutuhkan sumber daya manusia yang berkualitas. Kualitas pegawai dalam mendukung majunya suatu perusahaan sangat penting, sehingga banyak perusahaan yang berupaya agar memiliki pegawai yang berkualitas. Cara yang bisa dilakukan yaitu dengan menjaring calon pegawai sesuai dengan kriteria yang diinginkan perusahaan, hanya saja selama ini banyak perusahaan yang sering bermasalah dalam proses pemberkasan dan penyortiran karena dilakukan secara manual, sehingga hasilnya menjadi tidak sesuai dengan kriteria calon pegawai yang diinginkan perusahaan.
Sehingga dibutuhkan sebuah sistem pendukung keputusan (SPK) dengan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) untuk seleksi penerimaan pegawai yang memiliki beberapa kriteria antara lain Tes Endurance, Tes Akademik, Tes Psikotes, Tes Laboratorium dan Wawancara. Hasil pengujian dapat disimpulkan bahwa SPK penerimaan pegawai dengan metode TOPSIS menghasilkan sistem yang dapat memberikan rekomendasi pelamar terbaik sesuai dengan kriteria yang ditentukan.
CORRESPONDENCE
Phone: 08126836073
E-mail: [email protected]
PENDAHULUAN
Seleksi merupakan proses memperoleh dan menggunakan informasi tentang para pencari kerja untuk menentukan siapa saja yang dipekerjakan untuk mengisi jabatan dalam rangka waktu yang tertentu. Bisa juga diartikan bahwa seleksi merupakan tahapan untuk memutuskan apakah seorang pencari kerja dinyatakan diterima atau ditolak. Adapun cara melakukan seleksi bisa dengan beberapa metode, yaitu wawancara, tes kemampuan fisik, tes kemampuan kognitif, inventarisasi kepribadian, tes narkoba, tes kejujuran, dan lain-lain.
Proses penerimaan pegawai memerlukan cara yang profesional dan akurat agar menghasilkan sumber daya manusia yang dapat mendukung mutu dan kesuksesan sebuah organisasi.
Penerimaan pegawai biasanya berlangsung lama, karena organisasi atau perusahaan harus memeriksa dan menyeleksi terlebih dahulu kriteria dan persyaratan yang dilengkapi oleh calon pegawai dengan teliti. Melihat keadaan tersebut, dalam meyeleksi penerimaan pegawai dibutuhkan sebuah sistem pendukung keputusan (SPK) agar penerimaan pegawai dapat dilaksanakan dengan lebih akurat, cepat dan obyektif.
SPK memiliki bermacam konteks yang berbeda dimana tidak semua bergantung dan memuaskan kepada satu pihak, namun haruslah bersifat memuaskan semua pihak, dan juga pengambilan keputusan itu terkadang memiliki beragam tujuan yang berbeda dan saling bertentangan satu sama lain [1].
Penelitian-penelitian yang dilakukan dengan menerapkan metode Technique for Others Others Preference by Similary to Ideal Solution (TOPSIS) antara lain, mampu melakukan seleksi pemilihan TV layar datar berdasarkan parameter kriteria yang menjadi pertimbangan user dan bobot kriteria yang telah diinput oleh Admin [2], dapat diimplementasikan dan diterapkan untuk memberikan keputusan alternatif program studi sesuai dengan potensi akademik calon mahasiswa [3], dapat menentukan penerbit buku terbaik sesuai dengan kriteria-kriteria yang sudah ditentukan [4], untuk penentuan tempat pembuangan akhir [5], dan pemilihan sosial media marketing untuk penjualan aksesoris pariwisata [6].
Selanjutnya penelitian sistem pendukung keputusan dengan metode-metode lain, yaitu kelayakan pemberi pinjaman dengan Multi Factor Evaluation Process [7], rekomendasi untuk pemilihan petak makam dengan SAW [8], dan pemilihan jurusan dengan metode PROMTHEE [9].
Adapun tujuan penelitian ini adalah sistem yang dapat memberikan rekomendasi dalam menentukan pencari kerja terbaik dengan metode TOPSIS.
TINJAUAN PUSTAKA Sistem Pendukung Keputusan
Penelitian yang berhubungan dengan sistem pendukung keputusan yang menggunakan TOPSIS antara lain, penerimaan calon guru honor di SMK gotong royong Gorontalo [10], penentuan karyawan terbaik [11], dan penentuan matakuliah pilihan [12].
Metode TOPSIS
TOPSIS didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, tetapi juga memiliki jarak terpanjang dari solusi ideal negatif [13]. Langkah-langkah perhitungan dengan metode TOPSIS adalah sebagai berikut ([14], [15], [16]) :
1. Membuat matriks keputusan yang ternormalisasi (r=[rij]), dengan persamaan
𝑟𝑖𝑗 = 𝑥𝑖𝑗
√∑𝑚𝑖=1𝑥𝑖𝑗2
(1)
Keterangan: i=1,2, ..., m; j=1,2, ..., n; 𝑟𝑖𝑗 adalah matriks ternormalisasi [i][j]; 𝑥𝑖𝑗 adalah matriks keputusan [i][j].
2. Membuat matriks keputusan normalisasi terbobot (y=[yij] ), dengan persamaan
𝑦𝑖𝑗= 𝑤𝑗 .𝑟𝑖𝑗 (2)
Keterangan : i=1,2, ..., m; j=1,2, ..., n; 𝑤𝑗 adalah bobot kriteria; 𝑦𝑖𝑗 adalah matriks keputusan normalisasi terbobot.
3. Menentukan matriks solusi ideal positif (𝐴+) dan matriks solusi ideal negatif (𝐴−), dengan persamaan :
𝐴+ = (𝑦1+, 𝑦2+, ⋯, 𝑦𝑗+) (3) 𝐴− = (𝑦1−, 𝑦2−, ⋯, 𝑦𝑗−) (4) dimana
𝑦𝑗+ = {max 𝑦𝑖𝑗 , jika 𝑗 = keuntungan
min 𝑦𝑖𝑗 , jika 𝑗 = biaya } (5) 𝑦𝑗− = {min 𝑦𝑖𝑗 , jika 𝑗 = keuntungan
max 𝑦𝑖𝑗 , jika 𝑗 = biaya } (6)
Jika kriteria adalah keuntungan (makin besar makin baik) maka 𝑦𝑗+ = maks 𝑦𝑖𝑗 dan 𝑦𝑗+= min 𝑦𝑖𝑗 .
Jika kriteria adalah biaya (makin kecil makin baik maka 𝑦𝑗− = min 𝑦𝑖𝑗 dan 𝑦𝑗− = maks 𝑦𝑖𝑗 .
4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif (𝑑𝑖+) dan matriks solusi ideal negatif (𝑑𝑖−).
• Jarak solusi ideal positif (𝑑𝑖+), dengan persamaan : 𝑑𝑖+ = √∑ (𝑦𝑗+− 𝑦𝑖𝑗)2
𝑚
𝑖=1 (7)
Keterangan: i=1,2, ...,m; j=1,2,...,n; 𝑑𝑖+ adalah jarak alternatif 𝐴𝑖 dengan solusi ideal positif; 𝑦𝑗+ adalah solusi ideal positif [i]; 𝑦𝑖𝑗 adalah matriks normalisasi terbobot [i][j].
• Jarak solusi ideal positif (𝑑𝑖−), dengan persamaan : 𝑑𝑖− = √∑ (𝑦𝑖𝑗− 𝑦𝑗−)2
𝑚 𝑖=1
(8)
Keterangan: i=1,2, ...,m; j=1,2,...,n; 𝑑𝑖+ adalah jarak alternatif 𝐴𝑖 dengan solusi ideal positif; 𝑦𝑗+ adalah solusi ideal positif [i]; 𝑦𝑖𝑗 adalah matriks normalisasi terbobot [i][j].
5. Menentukan nilai preferensi (𝑣𝑖) untuk setiap alternatif dengan persamaan :
𝑣𝑖= 𝑑𝑖−
𝑑𝑖 − + 𝑑𝑖+ (9)
Keterangan : 𝑣𝑖 adalah kedekatan tiap alternatif terhadap solusi ideal; 𝑑𝑖+ adalah jarak alternatif 𝐴𝑖 dengan solusi ideal positif; 𝑑𝑖− adalah jarak alternatif 𝐴𝑖 dengan solusi ideal negatif.
Nilai 𝑣𝑖 yang lebih besar menunjukkan bahwa alternatif 𝐴𝑖 lebih dipilih.
6. Perangkingan.
METODOLOGI
A. Identifikasi masalah, prosesnya dilakukan melalui wawancara yang merupakan metode pengumpulan data dengan cara melakukan tanya jawab dengan responden yang ditentukan untuk memperoleh data yang dibutuhkan tentang kriteria dan variabel apa saja yang digunakan dalam menetukan calon pegawai kerja terbaik.
B. Analisis sistem, digunakan untuk melakukan perhitungan menggunakan metode TOPSIS.
C. Desain sistem, menggunakan UML yaitu yaitu Use Case Diagram, Activity Diagram, Sequence Diagram, dan Class Diagram.
D. Implementasi sistem, yaitu perancangan desain sistem diubah menjadi kode-kode program menggunakan pemrograman PHP dan MySQL sebagai database.
HASIL DAN PEMBAHASAN Pengumpulan Data
Hasil pengumpulan data sample sebanyak 13 orang, yang berupa data pencari kerja pada tahun 2019 yang meliputi Nama, Tanggal Lahir, Tempat Lahir, dan Asal Sekolah. Data tersebut dapat dilihat pada Tabel 1.
Tabel 1. Data Pencari Kerja No Nama Tgl
Lahir
Tempat
Lahir Asal Sekolah 1 AA 27/9/1999 Pekanbaru SMAN 1 Langgam 2 AB 10/1/1998 Dumai SMKN 2 Dumai 3 AC 29/3/1996 Pekanbaru SMKS Pekanbaru 4 AD 12/5/1998 Pekanbaru SMAN 8 Pekanbaru 5 AE 17/8/1998 Pekanbaru SMKN 5 Pekanbaru 6 AF 4/12/1998 Pekanbaru SMKN 5 Pekanbaru 7 AG 1/11/1998 Pekanbaru SMAN 8 Pekanbaru 8 AH 9/7/1997 Pekanbaru SMKN 5 Pekanbaru 9 AI 22/2/1997 Pekanbaru SMKN 7 Pekanbaru 10 AJ 16/1/1997 Pekanbaru SMKN 5 Pekanbaru 11 AK 10/9/1997 Pekanbaru SMKN 2 Pekanbaru 12 AL 30/8/1998 Pekanbaru SMKN 2 Pekanbaru 13 AM 6/10/1998 Pekanbaru SMKN 5 Pekanbaru Adapun indikator dan bobot preferensi yang digunakan sebagai syarat penyeleksian pencari kerja terbaik dapat dilihat pada Tabel 2.
Tabel 2. Data Indikator dan Bobot
Indikator Nama Indikator Bobot Preferensi
I1 Tes Endurance 5
I2 Tes Akademik 5
I3 Tes Psikotes 5
I4 Tes Laboratorium 5
I5 Wawancara 5
Bobot dari masing-masing indikator penentuan calon pencari kerja terbaik yakni diberi bobot:
5 = Sangat Baik 4 = Baik 3 = Cukup
2 = Rendah 1 = Sangat Rendah
Data masing-masing indikator dapat dilihat pada Tabel 3.
Tabel 3. Data Kecocokan Indikator
No Nama I1 I2 I3 I4 I5
1 AA 4 3 3 3 2
2 AB 4 3 5 5 4
3 AC 3 3 5 5 4
4 AD 3 3 3 3 3
5 AE 5 4 4 4 3
6 AF 5 4 5 4 4
7 AG 4 3 3 4 3
8 AH 4 5 3 4 5
9 AI 3 4 3 3 2
10 AJ 3 4 4 3 5
11 AK 3 3 5 4 4
12 AL 5 3 3 5 4
13 AM 3 5 4 5 5
Perhitungan dengan TOPSIS
1. Membuat matriks keputusan yang ternormalisasi r.
Dengan menggunakan persamaan (1) dan Tabel 3, diperoleh :
𝑟11 = 4
√4² + 4² + 3² + 3² + 5² + 5² + 4² + 4² + 3² + 3² + 3² + 5² + 3² = 0,2879
𝑟21 = 4
√4² + 4² + 3² + 3² + 5² + 5² + 4² + 4² + 3² + 3² + 3² + 5² + 3² = 0,2879
𝑟31 = 3
√4² + 4² + 3² + 3² + 5² + 5² + 4² + 4² + 3² + 3² + 3² + 5² + 3² = 0,2159
𝑟41= 3
√4² + 4² + 3² + 3² + 5² + 5² + 4² + 4² + 3² + 3² + 3² + 5² + 3² = 0,2159
𝑟51 = 5
√4² + 4² + 3² + 3² + 5² + 5² + 4² + 4² + 3² + 3² + 3² + 5² + 3² = 0,3599
𝑟61 = 5
√4² + 4² + 3² + 3² + 5² + 5² + 4² + 4² + 3² + 3² + 3² + 5² + 3² = 0,3599
𝑟71 = 4
√4² + 4² + 3² + 3² + 5² + 5² + 4² + 4² + 3² + 3² + 3² + 5² + 3² = 0,2879
𝑟81 = 4
√4² + 4² + 3² + 3² + 5² + 5² + 4² + 4² + 3² + 3² + 3² + 5² + 3² = 0,2879
𝑟91 = 3
√4² + 4² + 3² + 3² + 5² + 5² + 4² + 4² + 3² + 3² + 3² + 5² + 3² = 0,2159
𝑟101= 3
√4² + 4² + 3² + 3² + 5² + 5² + 4² + 4² + 3² + 3² + 3² + 5² + 3² = 0,2159
𝑟111 = 3
√4² + 4² + 3² + 3² + 5² + 5² + 4² + 4² + 3² + 3² + 3² + 5² + 3² = 0,2159
𝑟121 = 5
√4² + 4² + 3² + 3² + 5² + 5² + 4² + 4² + 3² + 3² + 3² + 5² + 3²
= 0,3599
𝑟131 = 3
√4² + 4² + 3² + 3² + 5² + 5² + 4² + 4² + 3² + 3² + 3² + 5² + 3² = 0,2159
Dengan cara yang sama, yaitu menggunakan persamaan (1) dan tabel 9 diperoleh 𝑟𝑖𝑗 , sehingga diperoleh matriks r, yaitu
𝑟 =
( 0,2879 0,2879 0,2159 0,2159 0,3599 0,3599 0,2879 0,2879 0,2159 0,2159 0,2159 0,3599 0,2159
0,2255 0,2255 0,2255 0,2255 0,3007 0,3007 0,2255 0,3758 0,3007 0,3007 0,2255 0,2255 0,3758
0,2111 0,3518 0,3518 0,2111 0,2814 0,3518 0,2111 0,2111 0,2111 0,2814 0,3518 0,2111 0,2814
0,2041 0,3402 0,3402 0,2041 0,2722 0,2722 0,2722 0,2722 0,2041 0,2041 0,2722 0,3402 0,3402
0,1451 0,2902 0,2902 0,2176 0,2176 0,2902 0,2176 0,3627 0,1451 0,3627 0,2902 0,2902 0,3627) 2. Membuat matriks keputusan normalisasi terbobot (y).
Berdasarkan persamaan (2) dan matriks r, diperoleh : 𝑦11= 4 ∗ 0.2879 =1,1517
𝑦21= 4 ∗ 0.2879 =1,1517 𝑦31= 3 ∗ 0.2159 =0,8638 𝑦41= 3 ∗ 0.2159 =0,8638 𝑦51= 5 ∗ 0.3599 =1,4396 𝑦61= 5 ∗ 0.3599 =1,4396 𝑦71= 4 ∗ 0.2879 =1,1517 𝑦81= 4 ∗ 0.2879 =1,1517 𝑦91= 3 ∗ 0.2159 =0,8638 𝑦101= 3 ∗ 0.2159 =0,8638 𝑦111= 3 ∗ 0.2159 =0,8638 𝑦121= 5 ∗ 0.3599 =1,4396 𝑦131= 3 ∗ 0.21599 =1,8638
Dengan cara yang sama, diperoleh 𝑦𝑖𝑗 dan matriks y, yaitu
𝑦 =
( 1,1517 1,1517 0,8638 0,8638 1,4396 1,4396 1,1517 1,1517 0,8638 0,8638 0,8638 1,4396 0,8638
0,6765 0,6765 0,6765 0,6765 1,2026 1,2026 0,6765 1,8791 1,2026 1,2026 0,6765 0,6765 1,8791
0,6332 1,7590 1,7590 0,6332 1,1258 1,7590 0,6332 0,6332 0,6332 1,1258 1,7590 0,6332 1,1258
0,6124 1,7010 1,7010 0,6124 1,0887 1,0887 1,0887 1,0887 0,6124 0,6124 1,0887 1,7010 1,7010
0,2902 1,1608 1,1608 0,6529 0,6529 1,1608 0,6529 1,8137 0,2902 1,8137 1,1608 1,1608 1,8137) 3. Menentukan matriks solusi ideal positif (𝐴+) dan matrik
solusi ideal negatif (A–)
• Menentukan matriks solusi ideal positif (𝐴+) Berdasarkan matriks y dan rumus (5) diperoleh 𝑦1+= max (1,1517; 1,1517; 0,8638; 0,8638; 1,4396;
1,4396; 1,1517; 1,1517; 0,8638; 0,8638; 0,8638; 1,4396;
0,8638) = 1,4396
𝑦2+= max (0,6765; 0,6765; 0,6765; 0,6765; 1,2026;
1,2026; 0,6765; 1,8791; 1,2026; 1,2026; 0,6765; 0,6765;
1,8791) = 1,8791
𝑦3+= max (0,6332; 1,7590; 1,7590; 0,6332; 1,1258;
1,7590; 0,6332; 0,6332; 0,6332; 1,1258; 1,7590; 0,6332;
1,1258) = 1,7590
𝑦4+= max (0,6124; 1,7010; 1,7010; 0,6124; 1,0887;
1,0887; 1,0887; 1,0887; 0,6124; 0,6124; 1,0887; 1,7010;
1,7010) = 1,7010
𝑦5+= max (0,2902; 1,1608; 1,1608; 0,6529; 0,6529;
1,1608; 0,6529; 1,8137; 0,2902; 1,8137; 1,1608; 1,1608;
1,8137) = 1,8137
Sehingga dengan persamaan (3) diperoleh 𝐴+ = (1,4396; 1,8791; 1,7590; 1,7010; 1,8137)
• Menentukan matriks solusi ideal negatif (A–) Berdasarkan matriks y dan persamaan (6) diperoleh 𝑦1−= min (1,1517; 1,1517; 0,8638; 0,8638; 1,4396;
1,4396; 1,1517; 1,1517; 0,8638; 0,8638; 0,8638; 1,4396;
0,8638) = 0,8638
𝑦2−= min (0,6765; 0,6765; 0,6765; 0,6765; 1,2026;
1,2026; 0,6765; 1,8791; 1,2026; 1,2026; 0,6765; 0,6765;
1,8791) = 0,6765
𝑦3−= min (0,6332; 1,7590; 1,7590; 0,6332; 1,1258;
1,7590; 0,6332; 0,6332; 0,6332; 1,1258; 1,7590; 0,6332;
1,1258) = 0,6332
𝑦4−= min (0,6124; 1,7010; 1,7010; 0,6124; 1,0887;
1,0887; 1,0887; 1,0887; 0,6124; 0,6124; 1,0887; 1,7010;
1,7010) = 0,6124
𝑦5−= min (0,2902; 1,1608; 1,1608; 0,6529; 0,6529;
1,1608; 0,6529; 1,8137; 0,2902; 1,8137; 1,1608; 1,1608;
1,8137) = 0,2902
Sehingga dengan persamaan (4) diperoleh 𝐴− = (0,8638; 0,6765; 0,6332; 0,6124; 0,2902)
4. Menentukan jarak antara nilai setiap alternatif dengan matriks
• Jarak solusi ideal positif (di+ )
Berdasarkan matriks y, 𝐴+ dan persamaan (7) diperoleh
d1+ = √
(1,4396 − 1,1517)2+ (1,8791 − 0,6765)2+ (1,7590 − 0,6332)2+ (1,7010 − 0,6124)2+
(1,8137 − 0,2902)2
= 2,5105
d2+ = √
(1,4396 − 1,1517)2+ (1,8791 − 0,6765)2+ (1,7590 − 1,7590)2+ (1,7010 − 1,7010)2+
(1,8137 − 1,1608)2
= 1,3984
d3+ = √
(1,4396 − 0,8638)2+ (1,8791 − 0,6765)2+ (1,7590 − 1,7590)2+ (1,7010 − 1,7010)2+
(1,8137 − 1,1608)2
= 1,4847
d4+ = √
(1,4396 − 0,8638)2+ (1,8791 − 0,6765)2+ (1,7590 − 0,6332)2+ (1,7010 − 0,6124)2+
(1,8137 − 0,6529)2
= 2,3617
d5+ = √
(1,4396 − 1,4396)2+ (1,8791 − 1,2026)2+ (1,7590 − 1,1258)2+ (1,7010 − 1,0887)2+
(1,8137 − 0,6529)2
= 1,6065
d6+ = √
(1,4396 − 1,4396)2+ (1,8791 − 1,2026)2+ (1,7590 − 1,7590)2+ (1,7010 − 1,0887)2+
(1,8137 − 1,1608)2
= 1,1220
d7+ = √
(1,4396 − 1,1517)2+ (1,8791 − 0,6765)2+ (1,7590 − 0,6332)2+ (1,7010 − 1,0887)2+
(1,8137 − 0,6529)2
= 2,1258
d8+ = √
(1,4396 − 1,1517)2+ (1,8791 − 1,8791)2+ (1,7590 − 0,6332)2+ (1,7010 − 1,0887)2+
(1,8137 − 0,2902)2
= 1,3135
d9+ = √
(1,4396 − 0,8638)2+ (1,8791 − 1,2026)2+ (1,7590 − 0,6332)2+ (1,7010 − 0,6124)2+
(1,8137 − 0,2902)2
= 2,3586
d10+ = √
(1,4396 − 0,8638)2+ (1,8791 − 1,2026)2+ (1,7590 − 1,1258)2+ (1,7010 − 0,6124)2+
(1,8137 − 1,8137)2
= 1,5412
d11+ = √
(1,4396 − 0,8638)2+ (1,8791 − 0,6765)2+ (1,7590 − 1,7590)2+ (1,7010 − 1,0887)2+
(1,8137 − 1,1608)2
= 1,4050
d12+ = √
(1,4396 − 1,4396)2+ (1,8791 − 0,6765)2+ (1,7590 − 0,6332)2+ (1,7010 − 1,7010)2+
(1,8137 − 1,1608)2
= 1,7720
d13+ = √
(1,4396 − 0,8638)2+ (1,8791 − 1,8791)2+ (1,7590 − 1,1258)2+ (1,7010 − 1,7010)2+
(1,8137 − 1,8137)2 = 0,8559
• Jarak solusi ideal negatif (di- )
Berdasarkan matriks y, 𝐴− dan menggunakan persamaan (8) diperoleh
d1− = √
(1,1517 − 0,8638)2+ (0,6765 − 0,6765)2+ (0,6332 − 0,6332)2+ (0,6124 − 0,6124)2+
(0,2902 − 0,2902)2 = 0,2879
d2− = √
(1,1517 − 0,8638)2+ (0,6765 − 0,6765)2+ (1,7590 − 0,6332)2+ (1,7010 − 0,6124)2+
(1,1608 − 0,2902)2 = 1,8147
d3− = √
(0,8638 − 0,8638)2+ (0,6765 − 0,6765)2+ (1,7590 − 0,6332)2+ (1,7010 − 0,6124)2+
(1,1608 − 0,2902)2 = 1,7918
d4− = √
(0,8638 − 0,8638)2+ (0,6765 − 0,6765)2+ (0,6332 − 0,6332)2+ (0,6124 − 0,6124)2+
(0,6529 − 0,2902)2 = 0,3627
d5− = √
(1,4396 − 0,8638)2+ (1,2026 − 0,6765)2+ (1,1258 − 0,6332)2+ (1,0887 − 0,6124)2+
(0,6529 − 0,2902)2 = 1,0997
d6− = √
(1,4396 − 0,8638)2+ (1,2026 − 0,6765)2+ (1,7590 − 0,6332)2+ (1,0887 − 0,6124)2+
(1,1608 − 0,2902)2 = 1,6913
d7− = √
(1,1517 − 0,8638)2+ (0,6765 − 0,6765)2+ (0,6332 − 0,6332)2+ (1,0887 − 0,6124)2+
(0,6529 − 0,2902)2 = 0,6643
d8− = √
(1,1517 − 0,8638)2+ (1,8791 − 0,6765)2+ (0,6332 − 0,6332)2+ (1,0887 − 0,6124)2+
(1,8137 − 0,2902)2 = 2,0192
d9− = √
(0,8638 − 0,8638)2+ (1,2026 − 0,6765)2+ (0,6332 − 0,6332)2+ (0,6124 − 0,6124)2+
(0,2902 − 0,2902)2 = 0,5261
d10− = √
(0,8638 − 0,8638)2+ (1,2026 − 0,6765)2+ (1,1258 − 0,6332)2+ (0,6124 − 0,6124)2+
(1,8137 − 0,2902)2 = 1,6854
d11− = √
(0,8638 − 0,8638)2+ (0,6765 − 0,6765)2+ (1,7590 − 0,6332)2+ (1,0887 − 0,6124)2+
(1,1608 − 0,2902)2 = 1,5007
d12− = √
(1,4396 − 0,8638)2+ (0,6765 − 0,6765)2+ (0,6332 − 0,6332)2+ (1,7010 − 0,6124)2+
(1,1608 − 0,2902)2 = 1,5082
d13− = √
(0,8638 − 0,8638)2+ (1,8791 − 0,6765)2+ (1,1258 − 0,6332)2+ (1,7010 − 0,6124)2+
(1,8137 − 0,2902)2 = 2,2793
5. Menentukan nilai preferensi (ѵi) untuk setiap alternatif Berdasarkan solusi ideal positif (𝑑𝑖+) dan solusi ideal negatif (𝑑𝑖−) dan rumus (9), diperoleh
𝑣1 = 0,2879
0,2879 + 2,5105 = 0,1029 𝑣2 = 1,8147
1,8147 + 1,3984 = 0,5648 𝑣3 = 1,7918
1,7918 + 1,4847 = 0,5469 𝑣4 = 0,3627
0,3627 + 2,3617 = 0,1331 𝑣5 = 1,0997
1,0997 + 1,6065 = 0,4064 𝑣6 = 1,6913
1,6913 + 1,1220= 0,6012 𝑣7 = 0,6643
0,6643 + 2,1258 = 0,2381 𝑣8 = 2,0192
2,0192 + 1,3135 = 0,6059 𝑣9 = 0,5261
0,5261 + 2,3586 = 0,1824 𝑣10 = 1,6854
1,6854 + 1,5412 = 0,5223 𝑣11 = 1,5007
1,5007 + 1,4050 = 0,5165 𝑣12 = 1,5082
1,5082 + 1,7720 = 0,4598 𝑣13 = 2,2793
2,2793 + 0,8559 = 0,7270
Nilai-nilai preferensi dapat dilihat pada Tabel 4.
Tabel 4. Nilai Preferensi
No Preferensi Alternatif
1 0,1029 AA
2 0,5648 AB
3 0,5469 AC
4 0,1331 AD
5 0,4064 AE
6 0,6012 AF
7 0,2381 AG
8 0,6059 AH
9 0,1824 AI
10 0,5223 AJ
11 0,5165 AK
12 0,4598 AL
13 0,7270 AM
6. Perangkingan
Hasil perangkingan dari Tabel 4 dapat dilihat pada Tabel 5.
Tabel 5. Perangkingan
No Preferensi Alternatif
1 0,7270 AM
2 0,6059 AH
3 0,6012 AF
4 0,5648 AB
5 0,5469 AC
6 0,5223 AJ
7 0,5165 AK
8 0,4598 AL
9 0,4064 AE
10 0,2381 AG
11 0,1824 AI
12 0,1331 AD
13 0,1029 AA
Berdasarkan Tabel 5 dapat direkomendasikan calon pegawai terbaik yang akan diterima.
Desain Sistem
1. Use case diagram, merupakan sebuah digram yang menggambarkan pihak – pihak yang berhak menggunakan akses yang terdapat pada system, atau menggambarkan hak atau tindakan yang dapat dilakukan oleh user atau aktor yang ada pada sistm yang dirancang. Pada sistem ini terdapat dua aktor, yaitu admin dan user (pemakai), dapat dilihat pada Gambar 1.
2. Activity diagram, menggambarkan bagaimana aktivitas atau aliran kerja pada sebuah menu yang terdapat pada menu.
Pada activity diagram yang dapat dilakukan pada sistem yang dibuat. Ada beberapa activity diagram yang terdapat pada sistem ini, diantaranya:
a. Activity diagram login, menggambarkan alur sistem aktor atau user melakukan aktivitas login ke dalam sistem, lihat Gambar 2.
Gambar 2. Activity Diagram Login
b. Activity diagram mengelola calon pegawai, menggambarkan alur sistem Admin melakukan aktivitas dari mulai menambah, mengubah hingga menghapus calon pegawai, ;ihat Gambar 3.
Gambar 3. Activity Diagram Calon Pegawai
Gambar 1. Use Case Diagram 3. Sequence Diagram yang menggambarkan kelakuan objek
pada use case dengan mendeskripsikan waktu hidup objek dan pesan yang dikirimkan dan diterima antar objek. Ada beberapa sequence diagram yang terdapat pada sistem ini, diantaranya:
a. Sequence diagram login, lihat Gambar 4.
Gambar 4. Sequence Diagram Login
b. Sequence diagram menambah calon pegawai, lihat Gambar 5.
Gambar 5. Sequence Diagram Calon Pegawai
c. Sequence diagram indikator, lihat Gambar 6.
Gambar 6.Sequence Diagram Indikator
4. Diagram class, yang menggambarkan struktur sistem dari segi pendefinisian kelas-kelas yang akan dibuat untuk membangun system, dapat dilihat pada Gambar 7.
Gambar 7.Class Diagram
Implementasi Sistem
1. Tampilan halaman login, yang merupakan halaman pertama kali sebelum dapat menggunakan sistem penilaian kinerja. Pada halaman login terdapat tempat untuk mengisi username dan password untuk dapat masuk kedalam sistem penilaian kinerja karyawan, lihat Gambar 8.
Gambar 8. Halaman Login
2. Tampilan halaman mengelola calon pegawai merupakan dimana admin mengelola data calon pegawai, seperti menambah, mengubah, menghapus, dan mencari, lihat Gambar 9.
Gambar 9. Halaman Mengelola Calon Pegawai 3. Tampilan halaman mengelola indikator, lihat Gambar 10.
Gambar 10. Halaman Mengelola Indikator
4. Tampilan halaman mengelola preferensi, lihat Gambar 11.
Gambar 11. Halaman Mengelola Preferensi
5. Tampilan halaman mengelola perhitungan, lihat Gambar 12.
Gambar 12. Halaman Mengelola Perhitungan 6. Tampilan halaman perangkingan, lihat Gambar 13.
Gambar 13. Halaman Perangkingan
KESIMPULAN
Proses perhitungan metode TOPSIS pada sistem ini berdasarkan indikator yang telah ditentukan sebelumnya seperti tes endurance, tes akademik, tes psikotes, tes laboratorium dan wawancara serta bobot yang telah ditentukan pada masing- masing indikator. Hasil akhir dari perhitungan adalah perangkingan calon pencari kerja terbaik (alternatif) yang diurutkan dari nilai preferensi ( ) yang tertinggi.
DAFTARA PUSTAKA
[1] Candra Surya, “Penilaian Kinerja Dosen Menggunakan Metode TOPSIS (Studi Kasus : AMIK Mitra Gama),”
RESTI (Rekayasa Sist. Dan Teknol. Informasi), vol. 2, no. 1, pp. 322–329, 2018.
[2] D. M. Khairina, B. Santoso, and S. Maharani,
“Penerapan Metode Technique for Others Others Preference by Similary to Ideal Solution (TOPSIS) untuk Rekomendasi Pemilihan TV Layar Datar,”
TEKNOSI, vol. 02, no. 01, pp. 1–12, 2016.
[3] F. A. Setyaningsih, “Analisis Kinerja Technique For Order Preference by Similarity to Ideal Solution (TOPSIS) untuk Pemilihan Program Studi,” JPIT, vol.
02, no. 02, pp. 43–46, 2017.
[4] Y. R. Sari, G. Fransiska, and M. D. Batubara, “Aplikasi Penentuan Penerbit Buku Sekolah Terbaik dengan Menggunakan Metode TOPSIS Berbasis Web,”
QUERY, vol. 03, no. 01, pp. 1–11, 2019.
[5] R. A. Pambudi, A. B. Prasetijo, and Y. E. Windarto,
“Implementasi TOPSIS (Technique for Order Preference By Similarity to Ideal Solution) Untuk Penentuan Tempat Pembuangan Akhir,” UPGRIS, vol.
5, no. 2, pp. 163–168, 2019.
[6] E. Suryadi and A. Yani, “Penerapan Metode TOPSIS Pemilihan Sosial Media Marketing untuk Penjualan Aksesoris Pariwisata Lombok,” JATISI, vol. 7, no. 3, pp. 429–440, 2020.
[7] Andoko, Alfiarni, and R. Yanto, “Penerapan Metode Multi Factor Evaluation Process pada Sistem
Pendukung Keputusan Penentuan Kelayakan Pemberi Pinjaman (Studi Kasus NSC Finance Kota Lubuklinggau),” JATISI, vol. 4, no. 2, pp. 113–122, 2018.
[8] A. Nurfazri, N. N. Ulwan, and R. Priambodo, “Sistem Rekomendasi untuk Optimalisasi Pemilihan Petak Makam di TPU menggunakan Metode Simple Additive Weighting Berbasis Web,” SISFOKOM, vol. 10, no.
01, pp. 1–9, 2021.
[9] N. S. Atmaja, “Sistem Pendukung Keputusan Pemilihan Jurusan Menggunakan Metode PROMETHEE (Studi Kasus : SMK Negeri 6 Medan),”
InfoTekJar (Jurnal Nas. Inform. dan Teknol. Jaringan), vol. 5, no. 2, pp. 124–133, 2021.
[10] M. Salim, “Sistem Pendukung Keputusan Penerimaan Calon Guru Honor di SMK Gotong Royong Gorontalo Menggunakan Metode TOPSIS,” UPGRIS, vol. 4, no.
1, pp. 28–33, 2018.
[11] Hylenarti Hertyana, “Sistem Pendukung Keputusan Penentuan Karyawan Terbaik Menggunakan Metode TOPSIS,” JITK (Jurnal Ilmu Pengetah. dan Teknol.
Komputer), vol. 4, no. 1, pp. 43–48, 2018.
[12] Sukamto, A. Fitriansyah, and R. P. Pratama, “Sistem Pendukung Keputusan Penentuan Matakuliah Pilihan Menggunakan Metode TOPSIS (Studi Kasus : Prodi S1 Sistem Informasi FMIPA Universitas Riau),”
DigitalZone, vol. 11, no. 1, pp. 43–58, 2020.
[13] Risnawati and N. Manurung, “Sistem Pendukung Keputusan dalam Penentuan Mitra Jasa Pengiriman Barang Terbaik di Kota Kisaran Menggunakan Metode TOPSIS,” JURTEKSI, vol. V, no. 2, pp. 133–138, 2019.
[14] S. N. Amida and T. Kristiana, “Sistem Pendukung Keputusan Penilaian Kinerja Pegawai dengan Menggunakan Metode TOPSIS,” JSAI, vol. 2, no. 3, pp. 193–201, 2019.
[15] Sukamto, Elfizar, and Nurhazizah, “Sistem Pendukung Keputusan Penentuan Penerimaan Proposal Kegiatan Desa Menggunakan Metode TOPSIS,” InfoTekJar (Jurnal Nas. Inform. dan Teknol. Jaringan), vol. 5, no.
1, pp. 26–32, 2020.
[16] I. Mutmainah and Yunita, “Penerapan Metode TOPSIS dalam Pemilihan Jasa Ekspedisi,” SISFOKOM, vol. 10, no. 01, pp. 86–92, 2021.
